AI 赋能的 3Why 教学法——以 Python 程序设计课程为例

在当今快速发展的信息技术时代，Python 作为一门基础且强大的编程语言，已经广泛应用于数据分析、人工智能、Web 开发等多个领域^[1]。它不仅成为计算机科学专业学生必修的核心课程，还吸引越来越多来自不同专业背景的学生学习。然而，在实际的教学过程中，许多学生在面对 Python 程序设计类课程时，往往习惯于被动接受知识，缺乏主动提问和深入探究的意识，面临着发现问题和提问能力不足的挑战，极大地影响他们的学习效果^[2-4]，还可能制约其未来的职业发展。有效地提出和发现问题是学习者主动探究知识、深化理解的关键^[5]，特别是在 Python 程序设计这类技术密集型课程中，学生可能因为对编程语言的陌生、对问题理解的表面化或是缺乏有效的提问技巧，从而难以精准地提出自己的疑问并发现潜在的问题。这不仅影响他们对 Python 知识的全面理解，同时对他们创新思维和实际问题解决能力的培养也有一定的限制。为了解决这一问题，急需一种创新的教学方法。

在当前的教育环境中，学生的学习成效受到多种因素的影响，在发现问题能力和提问能力方面存在不足，是显著且亟待解决的问题。

首先，在发现问题方面，学生往往存在以下不足。

（1）问题识别不敏感。学生在学习过程中，对于潜在问题的识别能力较弱，导致可能无法及时发现自己在理解或应用 Python 程序设计知识时的盲点或误区。

（2）问题解决策略单一。当遇到问题时，学生往往依赖查阅教材、搜索网络、询问同学等传统的解决方式，缺乏多样化的问题解决策略和创新思维。

（3）缺乏批判性思维。学生在面对问题时，往往缺乏批判性思考，难以从多个角度深入分析问题，评估解决方案的优劣，并提出自己的见解。

其次，在提问能力方面，学生还存在以下不足。

（1）提问意识薄弱。在面对 Python 程序设计课程时，许多学生习惯于被动接受知识，缺乏主动提问的意识，更倾向于等待教师直接给出答案或解决方案，而不是通过自己提出问题来探索和深化理解。

（2）提问技巧缺失。即便有些学生有提问的意愿，也常常因为缺乏有效的提问技巧而无法精准地表达自己的疑问，可能会导致问题过于笼统、模糊，难以得到有针对性的解答。

（3）问题深度不足。学生的提问往往停留在表面层次，缺乏深入思考和探究，可能只关注具体的语法错误或操作步骤，而忽视了背后的原理、逻辑或算法思想。

学生提问问题和发现问题能力的不足，不仅限制当前的学习成效及创新思维和问题解决能力的培养，还会对其未来的职业发展产生长远的影响。在快速发展的智能时代，缺乏主动提问和深入探究能力的学生将难以适应新的需求和挑战，无法实现持续学习和自我提升。

在传统教学模式下，学生往往习惯于接受教师的直接讲授，缺乏主动思考和提问的习惯。随着人工智能技术的快速发展，尤其是大模型在教育领域的广泛应用，传统的教学模式正在发生着变革。大模型作为现代科技的产物，具有强大的数据处理和智能分析能力^[6-8]，AI 赋能的 3Why 教学法正是基于此，通过大模型的强大自然语言处理能力和知识储备，帮助学生更好地提出问题、发现问题并解决问题。通过引导学生主动提出一系列有层次、有深度的问题，激发他们的学习兴趣和思考能力，是对传统教育模式中学生学习被动性的深刻反思，也是与新技术的深度融合。

3Why 教学法的核心理念在于“循序渐进、深入探究”。学生通过提出 3 个及以上有层次的问题，从基本概念、原理探究和应用拓展 3 方面逐步揭示知识的本质和内在联系，从而实现对知识的全面理解和掌握。通过这种方式，学生可以形成一个从表象到本质、从局部到整体的知识体系。

首先，大模型在 3Why 教学法中的核心作用在于其能够通过自然语言的交互，帮助学生逐步深入思考问题，并提供及时、精准的反馈。在问题引导方面，大模型通过对话形式，引导学生提出第 1 个问题，并逐步引导他们提出更深层次的问题，帮助学生从多个角度思考问题，拓展问题的深度和广度。例如，学生在学习 Python 中的“列表”时，大模型可以引导学生从“什么是列表？”逐步过渡到“列表的底层数据结构是什么？”“列表与元组的区别是什么？”等问题。

其次，大模型能够根据学生提出的问题，提供详细的解释和补充知识。例如，当学生提出“为什么 Python 中的列表是可变的？”时，大模型解释 Python 的内存管理机制以及可变对象与不可变对象的区别。

最后，大模型在问题反馈与纠正方面能够识别学生提出的问题是否合理并给予反馈，也就是说如果学生提出的问题过于笼统或模糊，大模型能够提示学生如何更精准地表达问题。

AI 赋能的 3Why 教学法，通过引导学生提出 3 个层次的问题，逐步深入理解知识点并结合 AI 的反馈与引导^[9]，构建全面的知识体系。具体的实施步骤如下。

1）确定知识点：精准定位，奠定基础。

教师首先明确本节课或本章节需要掌握的核心知识点，这是整个教学活动的起点。大模型在这一阶段能够辅助教师，通过智能分析教材和学生背景，提供精准的知识点定位和拓展建议，确保教学内容的准确性和针对性。

2）引导初次提问：激发兴趣，开启思考。

在初次提问阶段，教师鼓励学生围绕知识点提出自己的第 1 个问题。大模型通过对话形式，以友好、耐心的态度引导学生提出问题，降低学生的畏难情绪。在此步骤，不仅能够激发学生的学习兴趣，还可为他们后续问题的提出和探究奠定基础。

3）深入探究与二次提问：挖掘原理，深化理解。

在初步理解基础知识后，教师引导学生提出第 2 个问题，探究知识点背后的原理或逻辑。在这一阶段大模型不仅可以提供详尽的原理解释，还能通过代码示例、动画演示等方式，帮助学生直观地理解抽象概念。在此步骤，不仅可以加深学生对知识点的理解，还可以锻炼他们的逻辑思维能力。

4）全面理解与三次提问：拓展应用，联系知识。

在理解原理的基础上，学生提出第 3 个问题，拓展知识点的应用或与其他知识的联系。大模型在这一步帮助学生从多个角度思考问题，将知识点融入更广阔的知识体系中，在拓展学生知识面的同时，促进他们跨域思考能力的提升。

5）总结与反思：巩固所学，提升能力。

最后，学生进行总结与反思，回顾整个提问和探究的过程。利用大模型梳理知识点，提供结构化的总结框架和思维导图。同时，大模型还可以根据需求提供个性化的练习题或项目任务，帮助学生巩固所学内容，提升实践和解决实际问题能力。

以一个具体的案例“Python 中的列表切片操作”为例，通过 3Why 教学法，帮助学生理解列表切片的基本概念、原理及其在内存中的行为，并能够灵活运用切片操作解决实际问题；而大模型作为辅助工作贯穿整个教学过程中。

1）确定知识点。

教师明确本节课的核心知识点（见表 1），对每个知识点采取 3Why 教学法。以“列表的切片操作”为例，首先介绍切片操作在 Python 中的重要性，让学生知晓列表切片是 Python 中一个非常强大的功能，能够高效地获取列表的子集，理解切片操作对编写高效的 Python 代码的重要性。

2）引导初次提问。

学生根据对列表切片的初步理解，提出第 1 个问题，如“列表切片是什么，如何使用它来获取列表的子集？”教师鼓励学生通过动手实践尝试切片操作，如编写代码 my_list = [1, 2, 3, 4, 5]，并尝试获取子集 my_list[1:4]。AI赋能主要体现在两个方面。

（1）大模型通过对话形式引导学生理解切片的基本语法。比如上述提出的第 1 个问题，大模型给出的回答将列表切片描述得非常清晰，并且给出多种示例帮助理解。同时，教师需要引导学员动手验证以加深理解。

（2）学生不一定具备提出第 1 个问题的能力，此时可以借助大模型帮助生成第 1 个概念性的问题，见表 2 的第 1 列，通过 AI 赋能列出多个关于 Python 列表切片操作的概念性问题。借助 AI 赋能，学生能够在初次提问阶段获得清晰的概念解释和问题启发，同时通过教师的引导动手实践验证，加强记忆。

3）深入探究与二次提问。

在初步理解切片操作后，学生尝试提出第 2 个问题，如“切片操作中的步长参数有什么作用？如何设置步长来获取特定的元素间隔？”教师引导学生通过实践探索步长参数的作用，如编写代码 my_list = [1, 2, 3, 4, 5]，并尝试使用my_list[::2] 观察结果，帮助学生直观感受步长参数对切片结果的影响。

AI 赋能在这一阶段的主要体现如下。

（1）问题解释与知识深化。针对提问，大模型能够详细解释步长参数的作用、怎么设置步长，最后“通过调整起始索引、结束索引和步长参数，可以以几乎任何方式遍历和操作列表的子集”，引导学生进一步思考步长参数的应用场景。

（2）问题拓展与启发。对于部分学生无法深入思考步长参数的应用场景的情况，大模型可以生成一系列拓展性问题，启发学生。例如，大模型能生成如“步长参数为负数时会发生什么”“如何利用步长参数反转列表”等问题，见表 2 的第 2 列，既帮助学生深入理解步长参数的作用，又能激发他们的探索兴趣。

通过 AI 赋能，学生能够在二次提问阶段获得深入的知识解释和问题启发；同时通过教师的引导进行实践验证，进一步熟练切片操作的核心原理和应用场景。

4）全面理解与三次提问。

在掌握了切片操作的基本语法和步长参数的应用后，学生进一步探索并提出第 3 个问题：“切片操作是否会创建新的列表？如果是，新列表与原始列表在内存上有何关系？”这一提问标志着学生对切片操作的理解开始向更深层次迈进，关注到内存管理和对象引用的核心概念。教师则引导学生通过实践和理论探讨相结合的方式，深入理解切片操作的内存机制，同时提高动手能力和解决实际问题的能力。例如，编写代码 my_list = [1, 2, 3, 4, 5]，通过切片操作获取子集 slice_list = my_list[1:4]，并使用 id() 函数分别获取 my_list 和 slice_list 的内存地址，观察结果是否相同；通过修改子集中元素来观察原始列表是否受到影响。

AI 赋能主要体现如下。

（1）内存机制解析与对象引用深化。针对问题，大模型给出清晰解释：“切片操作会创建一个新的列表对象，新列表是原始列表的一个浅拷贝，即新列表中的元素与原始列表中的元素在内存上是独立的（对于不可变类型如整数、字符串等）；若原始列表包含可变类型元素（如列表、字典等），则新列表中的这些元素将与原始列表中的对应元素共享内存地址。”这不仅帮助学生理解切片操作的内存机制，还加深了对象引用的理解。

（2）内存优化与性能考虑。大模型能进一步拓展话题，促进学生思考切片操作在内存优化和性能方面的考虑。例如，大模型提出“在处理大数据集时，切片操作对内存使用有何影响？”“如何合理使用切片操作来避免不必要的内存开销？”等问题，这里将学生的注意力从切片操作的基本语法转向了其在实际应用中的性能优化，有助于培养他们的系统思维和工程实践能力。

通过AI赋能，学生在全面理解阶段能够获得深入的内存机制解析和问题启发。同时通过教师的引导进行实践验证和理论探讨，从而全面掌握切片操作的核心原理、内存机制以及应用场景。

5）总结与反思。

教师引导学生总结本节课的学习内容，并回顾整个提问和探究的过程，提供结构化的总结框架和思维导图。此时，通过AI赋能辅助，教师生成结构化的总结框架，清晰地列出列表切片操作的基本概念、基本操作、内存机制、应用场景等核心内容，帮助学生系统地回顾和整理所学知识，进而形成完整的知识体系。大模型还可以根据学生的提问情况和需求，生成或推荐相关的思维导图，以图形化的方式展示列表切片操作的各个知识点之间的联系和层次结构，使学生可以更好地理解和记忆；教师可以分析学生在提问和探究过程中的表现，指出学生在哪些方面掌握得较好，哪些方面还需要加强，并给出相应的改进建议，同步提供个性化的学习反馈和建议，这样的反馈能够让学生明确自己的学习方向和目标，提升学习效果。

通过 AI 赋能的 3Why 教学法，学生能够逐步深入思考问题；通过与大模型的交互，学生能够获得及时、精准的反馈。这种教学法不仅提高了学生的提问能力，还增强了他们的批判性思维和问题解决能力。在 Python 程序设计课程中，学生能够更好地理解复杂的编程概念，并通过实际案例的应用，掌握编程技能。然而，AI 赋能的 3Why 教学法也面临一些挑战。学生在使用大模型时，可能会过度依赖 AI，而忽视了自主思考的重要性；大模型的回答可能过于依赖已有的知识库。因此在实施过程中，需要适当引导学生，在使用 AI 赋能的同时，保持独立思考的能力。

AI 赋能的 3Why 教学法针对 Python 程序设计课程中学生学习成效受限的问题，特别是学生提问与发现问题能力不足的现状，提供了一种创新的解决方案，激发了学生的思考能力，帮助他们更好地掌握和理解课程内容。核心理念是“循序渐进、深入探究”，不仅符合学生的认知规律，而且有效地促进学生主动学习。通过围绕知识点提出关于基本概念、原理探究及应用拓展的问题，学生能够构建一个完整且深入的知识体系，从而实现对知识的全面理解和掌握。此外，AI 赋能作用不容忽视，它可以即时反馈学生的问题，提供个性化的学习资源和建议，进一步提升了教学效果。实施 3Why 教学法后，学生提问能力、发现问题能力以及知识掌握程度显著提升。学生在提问过程中逐渐培养了批判性思维和多样化的问题解决策略，这对于他们未来的职业发展具有积极的影响。